STORY TIMELINE
<i>格麦考尔</i>
：用于分级响应模型中辨别参数的范围限制偏差纠正的R包
分级反应模型（GRM）广泛用于分析来自态度、性格和性格测量工具的多组反应数据。然而，当从范围有限的样本（例如选定的申请人、筛选的参与者或高表现的学生）收集响应数据时，GRM辨别参数被系统性地低估。现有的R包没有专门针对GRM辨别参数实施范围限制偏差纠正。本文介绍了grmcor，这是一个R包，它在直接范围限制下实现了GRM辨别参数的截断正态标准偏差比修正。该包提供了根据限制样本估计GRM参数、应用修正、比较限制和修正的估计、可视化偏差模式以及通过蒙特卡洛模拟验证修正程序的功能。蒙特卡洛结果表明，grmcor大幅降低了辨别参数估计的偏差，平均偏差从-0.64降低到接近零，在50%的范围限制下，RSSE降低了约52%。该包可通过GitHub免费获取。
最高精选质量 60 · 1 个独立来源 · 最新 2026/10/14
报道时间线
2026/10/14 · 应用心理测量 · 精选 60
<i>格麦考尔</i>
：用于分级响应模型中辨别参数的范围限制偏差纠正的R包分级反应模型（GRM）广泛用于分析来自态度、性格和性格测量工具的多组反应数据。然而，当从范围有限的样本（例如选定的申请人、筛选的参与者或高表现的学生）收集响应数据时，GRM辨别参数被系统性地低估。现有的R包没有专门针对GRM辨别参数实施范围限制偏差纠正。本文介绍了grmcor，这是一个R包，它在直接范围限制下实现了GRM辨别参数的截断正态标准偏差比修正。该包提供了根据限制样本估计GRM参数、应用修正、比较限制和修正的估计、可视化偏差模式以及通过蒙特卡洛模拟验证修正程序的功能。蒙特卡洛结果表明，grmcor大幅降低了辨别参数估计的偏差，平均偏差从-0.64降低到接近零，在50%的范围限制下，RSSE降低了约52%。该包可通过GitHub免费获取。